BackgroundThe International Carotid Stenting Study (ICSS) of stenting and endarterectomy for symptomatic carotid stenosis found a higher incidence of stroke within 30 days of stenting compared with endarterectomy.We aimed to compare the rate of ischaemic brain injury detectable on MRI between the two groups.Methods Patients with recently symptomatic carotid artery stenosis enrolled in ICSS were randomly assigned in a 1:1 ratio to receive carotid artery stenting or endarterectomy.Of 50 centres in ICSS, seven took part in the MRI substudy.The protocol specifi ed that MRI was done 1-7 days before treatment, 1-3 days after treatment (post-treatment scan), and 27-33 days after treatment.Scans were analysed by two or three investigators who were masked to treatment.The primary endpoint was the presence of at least one new ischaemic brain lesion on diff usion-weighted imaging (DWI) on the post-treatment scan.Analysis was per protocol.This is a substudy of a registered trial, ISRCTN 25337470.Findings 231 patients (124 in the stenting group and 107 in the endarterectomy group) had MRI before and after treatment.62 (50%) of 124 patients in the stenting group and 18 (17%) of 107 patients in the endarterectomy group had at least one new DWI lesion detected on post-treatment scans done a median of 1 day after treatment (adjusted odds ratio [OR] 5•21, 95% CI 2•78-9•79; p<0•0001).At 1 month, there were changes on fl uid-attenuated inversion recovery sequences in 28 (33%) of 86 patients in the stenting group and six (8%) of 75 in the endarterectomy group (adjusted OR 5•93, 95% CI 2•25-15•62; p=0•0003).In patients treated at a centre with a policy of using cerebral protection devices, 37 (73%) of 51 in the stenting group and eight (17%) of 46 in the endarterectomy group had at least one new DWI lesion on post-treatment scans (adjusted OR 12•20, 95% CI 4•53-32•84), whereas in those treated at a centre with a policy of unprotected stenting, 25 (34%) of 73 patients in the stenting group and ten (16%) of 61 in the endarterectomy group had new lesions on DWI (adjusted OR 2•70, 1•16-6•24; interaction p=0•019).Interpretation About three times more patients in the stenting group than in the endarterectomy group had new ischaemic lesions on DWI on post-treatment scans.The diff erence in clinical stroke risk in ICSS is therefore unlikely to have been caused by ascertainment bias.Protection devices did not seem to be eff ective in preventing cerebral ischaemia during stenting.DWI might serve as a surrogate outcome measure in future trials of carotid interventions.

Abstract The European Prevention of Alzheimer Dementia (EPAD) is a multi-center study that aims to characterize the preclinical and prodromal stages of Alzheimer’s Disease. The EPAD imaging dataset includes core (3D T1w, 3D FLAIR) and advanced (ASL, diffusion MRI, and resting-state fMRI) MRI sequences. Here, we give an overview of the semi-automatic multimodal and multisite pipeline that we developed to curate, preprocess, quality control (QC), and compute image-derived phenotypes (IDPs) from the EPAD MRI dataset. This pipeline harmonizes DICOM data structure across sites and performs standardized MRI preprocessing steps. A semi-automated MRI QC procedure was implemented to visualize and flag MRI images next to site-specific distributions of QC features — i.e. metrics that represent image quality. The value of each of these QC features was evaluated through comparison with visual assessment and step-wise parameter selection based on logistic regression. IDPs were computed from 5 different MRI modalities and their sanity and potential clinical relevance were ascertained by assessing their relationship with biological markers of aging and dementia. The EPAD v1500.0 data release encompassed core structural scans from 1356 participants 842 fMRI, 831 dMRI, and 858 ASL scans. From 1356 3D T1w images, we identified 17 images with poor quality and 61 with moderate quality. Five QC features — Signal to Noise Ratio (SNR), Contrast to Noise Ratio (CNR), Coefficient of Joint Variation (CJV), Foreground-Background energy Ratio (FBER), and Image Quality Rate (IQR) — were selected as the most informative on image quality by comparison with visual assessment. The multimodal IDPs showed greater impairment in associations with age and dementia biomarkers, demonstrating the potential of the dataset for future clinical analyses.

Abstract Real-time fMRI neurofeedback is an increasingly popular neuroimaging technique that allows an individual to gain control over his/her own brain signals, which can lead to improvements in behavior in healthy participants as well as to improvements of clinical symptoms in patient populations. However, a considerably large ratio of participants undergoing neurofeedback training do not learn to control their own brain signals and, consequently, do not benefit from neurofeedback interventions, which limits clinical efficacy of neurofeedback interventions. As neurofeedback success varies between studies and participants, it is important to identify factors that might influence neurofeedback success. Here, for the first time, we employed a big data machine learning approach to investigate the influence of 20 different design-specific (e.g. activity vs. connectivity feedback), region of interest-specific (e.g. cortical vs. subcortical) and subject-specific factors (e.g. age) on neurofeedback performance and improvement in 608 participants from 28 independent experiments. With a classification accuracy of 60% (considerably different from chance level), we identified two factors that significantly influenced neurofeedback performance: Both the inclusion of a pre-training no-feedback run before neurofeedback training and neurofeedback training of patients as compared to healthy participants were associated with better neurofeedback performance. The positive effect of pre-training no-feedback runs on neurofeedback performance might be due to the familiarization of participants with the neurofeedback setup and the mental imagery task before neurofeedback training runs. Better performance of patients as compared to healthy participants might be driven by higher motivation of patients, higher ranges for the regulation of dysfunctional brain signals, or a more extensive piloting of clinical experimental paradigms. Due to the large heterogeneity of our dataset, these findings likely generalize across neurofeedback studies, thus providing guidance for designing more efficient neurofeedback studies specifically for improving clinical neurofeedback-based interventions. To facilitate the development of data-driven recommendations for specific design details and subpopulations the field would benefit from stronger engagement in Open Science and data sharing.

Neurofeedback training has been shown to influence behavior in healthy participants as well as to alleviate clinical symptoms in neurological, psychosomatic, and psychiatric patient populations. However, many real-time fMRI neurofeedback studies report large inter-individual differences in learning success. The factors that cause this vast variability between participants remain unknown and their identification could enhance treatment success. Thus, here we employed a meta-analytic approach including data from 24 different neurofeedback studies with a total of 401 participants, including 140 patients, to determine whether levels of activity in target brain regions during pre-training functional localizer or no-feedback runs (i.e., self-regulation in the absence of neurofeedback) could predict neurofeedback learning success. We observed a slightly positive correlation between pre-training activity levels during a functional localizer run and neurofeedback learning success, but we were not able to identify common brain-based success predictors across our diverse cohort of studies. Therefore, advances need to be made in finding robust models and measures of general neurofeedback learning, and in increasing the current study database to allow for investigating further factors that might influence neurofeedback learning.

Abstract Introduction Amyloid-β (Aβ) plaques is a significant hallmark of Alzheimer's disease (AD), detectable via amyloid-PET imaging. The Fluorine-18-Fluorodeoxyglucose ([ 18 F]FDG) PET scan tracks cerebral glucose metabolism, correlated with synaptic dysfunction and disease progression and is complementary for AD diagnosis. Dual-scan acquisitions of amyloid PET allows the possibility to use early-phase amyloid-PET as a biomarker for neurodegeneration, proven to have a good correlation to [ 18 F]FDG PET. The aim of this study was to evaluate the added value of synthesizing the later from the former through deep learning (DL), aiming at reducing the number of PET scans, radiation dose, and discomfort to patients. Methods A total of 166 subjects including cognitively unimpaired individuals (N = 72), subjects with mild cognitive impairment (N = 73) and dementia (N = 21) were included in this study. All underwent T1-weighted MRI, dual-phase amyloid PET scans using either Fluorine-18 Florbetapir ([ 18 F]FBP) or Fluorine-18 Flutemetamol ([ 18 F]FMM), and an [ 18 F]FDG PET scan. Two transformer-based DL models called SwinUNETR were trained separately to synthesize the [ 18 F]FDG from early phase [ 18 F]FBP and [ 18 F]FMM (eFBP/eFMM). A clinical similarity score (1: no similarity to 3: similar) was assessed to compare the imaging information obtained by synthesized [ 18 F]FDG as well as eFBP/eFMM to actual [ 18 F]FDG. Quantitative evaluations include region wise correlation and single-subject voxel-wise analyses in comparison with a reference [ 18 F]FDG PET healthy control database. Dice coefficients were calculated to quantify the whole-brain spatial overlap between hypometabolic ([ 18 F]FDG PET) and hypoperfused (eFBP/eFMM) binary maps at the single-subject level as well as between [ 18 F]FDG PET and synthetic [ 18 F]FDG PET hypometabolic binary maps. Results The clinical evaluation showed that, in comparison to eFBP/eFMM (average of clinical similarity score (CSS) = 1.53), the synthetic [ 18 F]FDG images are quite similar to the actual [ 18 F]FDG images (average of CSS = 2.7) in terms of preserving clinically relevant uptake patterns. The single-subject voxel-wise analyses showed that at the group level, the Dice scores improved by around 13% and 5% when using the DL approach for eFBP and eFMM, respectively. The correlation analysis results indicated a relatively strong correlation between eFBP/eFMM and [ 18 F]FDG (eFBP: slope = 0.77, R 2 = 0.61, P-value < 0.0001); eFMM: slope = 0.77, R 2 = 0.61, P-value < 0.0001). This correlation improved for synthetic [ 18 F]FDG (synthetic [ 18 F]FDG generated from eFBP (slope = 1.00, R 2 = 0.68, P-value < 0.0001), eFMM (slope = 0.93, R 2 = 0.72, P-value < 0.0001)). Conclusion We proposed a DL model for generating the [ 18 F]FDG from eFBP/eFMM PET images. This method may be used as an alternative for multiple radiotracer scanning in research and clinical settings allowing to adopt the currently validated [ 18 F]FDG PET normal reference databases for data analysis.

Vascular risk factors (VRFs) and cerebral small vessel disease (cSVD) are common in patients with Alzheimer disease (AD). It remains unclear whether this coexistence reflects shared risk factors or a mechanistic relationship and whether vascular and amyloid pathologies have independent or synergistic influence on subsequent AD pathophysiology in preclinical stages. We investigated links between VRFs, cSVD, and amyloid levels (Aβ